Búist er við að gervigreind verði umbreytingaraflið á sviði heilbrigðisþjónustu.Svo hvernig hagnast læknar og sjúklingar á áhrifum gervigreindardrifna verkfæra?
Heilbrigðisiðnaðurinn í dag er mjög þroskaður og getur gert miklar breytingar.Frá langvinnum sjúkdómum og krabbameini til geislalækninga og áhættumats virðist heilbrigðisiðnaðurinn hafa óteljandi tækifæri til að nota tækni til að beita nákvæmari, skilvirkum og árangursríkum inngripum í umönnun sjúklinga.
Með þróun tækni hafa sjúklingar hærri og hærri kröfur fyrir lækna og fjöldi fyrirliggjandi gagna heldur áfram að vaxa með skelfilegum hraða.Gervigreind verður vél til að stuðla að stöðugri endurbótum á læknishjálp.
Í samanburði við hefðbundna greiningu og klíníska ákvarðanatækni hefur gervigreind marga kosti.Þegar námsreikniritið hefur samskipti við þjálfunargögnin getur það orðið nákvæmara og gerir læknum kleift að fá fordæmalausa innsýn í greiningu, hjúkrunarferli, breytileika meðferðar og niðurstöður sjúklinga.
Á World Artificial Intelligence Medical Innovation Forum 2018 (WMIF) í eigu Partners Healthcare, voru læknisfræðingar og klínískir sérfræðingar útfærðir á tækni og sviðum læknaiðnaðarins sem eru líklegastir til að hafa veruleg áhrif á upptöku gervigreindar í næsta Áratugur.
Anne Kiblanksi, læknir, CO formaður WMIF árið 2018, og Gregg Meyer, yfirlæknir, aðal fræðimaður Partners Healthcare, sagði að þessi tegund „undirliggjandi“ sem færð væri til allra atvinnugreina hafi möguleika á Árangursgeta fyrirtækja.
Með aðstoð sérfræðinga frá Partners Healthcare, þar á meðal Dr. Keith Dreyer, prófessor í Harvard Medical School (HMS), yfirgagnafulltrúa Partners, og Dr. Katherine Andreole, forstöðumanns rannsóknarstefnu og rekstrar hjá Massachusetts General Hospital (MGH) , lagði til 12 leiðir sem AI mun gjörbylta læknisþjónustu og vísindum.
1. Taktu hugsun og vél í gegnum tölvuviðmót heila
Að nota tölvu til samskipta er ekki ný hugmynd, heldur að búa til beint viðmót milli tækni og mannlegrar hugsunar án lyklaborðs, músar og skjás er landamærarannsóknarsvið, sem hefur mikilvæga notkun fyrir suma sjúklinga.
Sjúkdómar í taugakerfinu og áföll geta valdið því að sumir sjúklingar missa getu þroskandi samtals, hreyfingar og samskipta við aðra og umhverfi þeirra.Brain tölvuviðmót (BCI) studd af gervigreind getur endurheimt þá grunnreynslu fyrir sjúklinga sem hafa áhyggjur af því að missa þessar aðgerðir að eilífu.
„Ef ég sé sjúkling í gjörgæsludeild taugafræði sem missir skyndilega getu til að bregðast við eða tala, vonast ég til að endurheimta getu hans til samskipta daginn eftir,“ sagði Leigh Hochberg, læknir, forstöðumaður Center for Neurotechnology og NeuroreHabilita General Hospital Massachusetts (MGH).Með því að nota heila tölvuviðmót (BCI) og gervigreind getum við virkjað taugarnar sem tengjast handahreyfingu og við ættum að geta látið sjúklinginn eiga samskipti við aðra að minnsta kosti fimm sinnum meðan á allri starfseminni stendur, svo sem að nota alls staðar samskiptatækni slíkt sem spjaldtölvur eða farsímar."
Brain tölvuviðmót getur bætt lífsgæði sjúklinga með amyotrophic lateral sclerosis (ALS), heilablóðfall eða Atresia heilkenni, sem og 500000 sjúklingar með mænuskaða um allan heim á hverju ári.
2. Þróaðu næstu kynslóð geislunartækja
Geislamyndir fengnar með segulómun (MRI), CT skannum og röntgengeislum veita ekki ífarandi sýnileika inn í mannslíkamann.Margar greiningaraðferðir treysta samt á líkamleg vefjasýni sem fengin eru með vefjasýni, sem hefur hættu á smiti.
Sérfræðingar spá því að í sumum tilvikum muni gervigreind gera kleift að næstu kynslóð geislalækningatækja sé nákvæm og nógu nákvæm til að skipta um eftirspurn eftir lifandi vefjasýnum.
Alexandra Golby, læknir, forstöðumaður myndstýrðra taugaskurðlækninga á Brigham kvennasjúkrahúsinu (BWH), sagði: „Við viljum koma greiningarteyminu saman með skurðlæknum eða íhlutun geislalækna og meinafræðinga, en það er gríðarleg áskorun fyrir mismunandi teymi til að ná samvinnu og samræmi markmiða. Ef við viljum að geislalækningar gefi upplýsingarnar sem nú eru til úr vefjasýnum, verðum við að geta náð mjög nánum stöðlum til að þekkja grunn staðreyndir hvers kyns pixla. “
Árangur í þessu ferli gæti gert læknum kleift að skilja nákvæmari árangur æxlisins, frekar en að taka meðferðarákvarðanir byggðar á litlum hluta eiginleika illkynja æxlis.
AI getur einnig skilgreint betur ágengni krabbameins og ákvarðað betur meðferðarmarkmiðið.Að auki er gervigreind að hjálpa til við að átta sig á „sýndar vefjasýni“ og stuðla að nýsköpun á sviði geislalækninga, sem leggur áherslu á að nota myndatengd reiknirit til að einkenna svipgerð og erfðaeinkenni æxla.
3. Upplýsingar um læknisþjónustu á undirskulduðum eða þróunarsvæðum
Skortur á þjálfuðum heilbrigðisþjónustuaðilum í þróunarlöndunum, þar með talið ómskoðun tæknimanna og geislalækna, mun draga mjög úr líkunum á að nota læknisþjónustu til að bjarga lífi sjúklinga.
Fundurinn benti á að það séu fleiri geislalæknar sem starfa á sex sjúkrahúsum í Boston með hinni frægu Longwood Avenue en á öllum sjúkrahúsum í Vestur -Afríku.
Gervigreind getur hjálpað til við að draga úr áhrifum gagnrýnins skorts á læknum með því að taka við einhverjum af þeim greiningarábyrgð sem venjulega er úthlutað til manna.
Til dæmis getur AI myndgreiningartæki notað röntgenmyndir í brjósti til að kanna einkenni berkla, venjulega með sömu nákvæmni og læknir.Hægt er að beita þessum eiginleikum með umsókn fyrir veitendur á fátækum svæðum og draga úr þörfinni fyrir reynda greiningargeislalækna.
„Þessi tækni hefur mikla möguleika til að bæta heilsugæslu,“ sagði Dr. Jayashree Kalpathy Cramer, aðstoðar taugavísindi og dósent í geislalækningum við Massachusetts General Hospital (MGH)
Samt sem áður verða AI reiknirit verktaki að íhuga vandlega þá staðreynd að fólk með mismunandi þjóðerni eða svæði getur haft einstaka lífeðlisfræðilega og umhverfislega þætti, sem geta haft áhrif á árangur sjúkdómsins.
„Til dæmis geta íbúar sem verða fyrir áhrifum af sjúkdómum á Indlandi verið mjög frábrugðnir því í Bandaríkjunum,“ sagði hún.Þegar við þróum þessar reiknirit er mjög mikilvægt að tryggja að gögnin tákni sjúkdóms kynningu og fjölbreytni íbúanna.Við getum ekki aðeins þróað reiknirit út frá einum íbúa, heldur einnig vonað að það geti gegnt hlutverki í öðrum íbúum."
4. Farðu í notkun á rafrænum heilsufarsskýrslum
Rafræn heilsufar (hún) hefur gegnt mikilvægu hlutverki í stafrænu ferðinni í heilbrigðisiðnaðinum, en þessi umbreyting hefur valdið fjölmörgum vandamálum sem tengjast vitsmunalegum ofhleðslu, endalausum skjölum og þreytu notenda.
Rafrænar heilsufarsskrár (hennar) nota nú gervigreind til að búa til innsæi viðmót og gera sjálfvirkar venjur sem taka mikinn tíma notenda.
Dr. Adam Landman, varaforseti og yfirmaður upplýsingafulltrúa Brigham Health, sagði að notendur verja mestum tíma sínum í þrjú verkefni: klínísk skjöl, pöntunarfærsla og flokkun pósthólfanna.Talviðurkenning og fyrirmæli geta hjálpað til við að bæta klíníska skjölvinnslu, en NLP -verkfæri náttúrulegra tungumála (NLP) eru ef til vill ekki nóg.
„Ég held að það gæti verið nauðsynlegt að vera djörfari og íhuga nokkrar breytingar, svo sem að nota myndbandsupptöku til klínískrar meðferðar, rétt eins og lögregla sem klæðist myndavélum,“ sagði Landman.Síðan er hægt að nota gervigreind og vélanám til að skrá þessi myndbönd til framtíðar sóknar.Rétt eins og Siri og Alexa, sem nota tilbúna aðstoðarmenn heima, verða sýndaraðstoðarmenn færðir í rúmstokk sjúklinga í framtíðinni, sem gerir læknum kleift að nota innbyggða upplýsingaöflun til að komast inn í læknisfræðilegar skipanir."
AI getur einnig hjálpað til við að takast á við venjubundnar beiðnir frá pósthólfum, svo sem lyfjauppbótum og tilkynningu um niðurstöður.Það getur einnig hjálpað til við að forgangsraða verkefnum sem raunverulega þurfa athygli lækna, sem gerir það auðveldara fyrir sjúklinga að vinna úr verkefnalistum sínum, bætti Landman við.
5. Áhættu sýklalyfjaónæmi
Sýklalyfjaónæmi er vaxandi ógn fyrir menn, vegna þess að ofnotkun þessara lykillyfja getur leitt til þróunar ofurbaktería sem bregðast ekki lengur við meðferð.Marglyfjaþolnar bakteríur geta valdið alvarlegu tjóni á sjúkrahúsumhverfinu og drepið tugi þúsunda sjúklinga á hverju ári.Clostridium difficile eitt og sér kostar um það bil 5 milljarða dala á ári til bandaríska heilbrigðiskerfisins og veldur meira en 30000 dauðsföllum.
EHR gögnin hjálpa til við að bera kennsl á sýkingarmynstur og varpa ljósi á áhættuna áður en sjúklingur byrjar að sýna einkenni.Notkun vélanáms og gervigreindartækja til að keyra þessar greiningar getur bætt nákvæmni þeirra og skapað hraðari og nákvæmari viðvaranir fyrir heilbrigðisþjónustuaðila.
„Gervigreindartæki geta staðið við væntingar um sýkingarstjórnun og sýklalyfjaónæmi,“ sagði Dr. Erica Shenoy, aðstoðarframkvæmdastjóri sýkingareftirlits á General Hospital Massachusetts (MGH).Ef þeir gera það ekki, þá munu allir mistakast.Vegna þess að sjúkrahús hafa mikið af EHR gögnum, ef þeir nýta sér ekki þá, ef þeir búa ekki til atvinnugreinar sem eru klárari og hraðari í hönnun klínískra rannsókna, og ef þeir nota ekki EHR sem búa til þessi gögn, Þeir munu horfast í augu við bilun."
6. Búðu til nákvæmari greiningu fyrir meinafræðilegar myndir
Dr. Jeffrey Golden, yfirmaður meinafræðideildar við Brigham kvennasjúkrahús (BWH) og prófessor í meinafræði við HMS, sagði að meinafræðingar veiti eina mikilvægustu heimildir um greiningargögn fyrir alhliða læknisþjónustuaðila.
„70% ákvarðana í heilbrigðiskerfinu eru byggðar á meinafræðilegum árangri og milli 70% og 75% allra gagna í EHR koma frá meinafræðilegum árangri,“ sagði hann.Og því nákvæmari sem niðurstöðurnar eru, því fyrr verður rétt greining gerð.Þetta er markmiðið sem stafræn meinafræði og gervigreind eiga möguleika á að ná."
Djúp pixla stigagreining á stórum stafrænum myndum gerir læknum kleift að þekkja lúmskur mun sem getur sloppið við augu manna.
„Við erum nú komin að því marki að við getum betur metið hvort krabbamein muni þróast hratt eða hægt og hvernig eigi að breyta meðferð sjúklinga út frá reikniritum frekar en klínískum stigum eða vefjameinafræðilegri einkunn,“ sagði Golden.Þetta verður mikið skref fram á við."
Hann bætti við, "AI getur einnig bætt framleiðni með því að bera kennsl á eiginleika sem vekja áhuga á glærum áður en læknar fara yfir gögnin. AI getur síað í gegnum glærur og leiðbeint okkur um að sjá rétt efni svo við getum metið hvað er mikilvægt og hvað er ekki. Þetta bætir Skilvirkni notkunar meinafræðinga og eykur gildi rannsóknar þeirra á hverju tilviki. “
Komdu upplýsingaöflun til lækningatækja og véla
Snjall tæki taka við neytendaumhverfi og útvega tæki allt frá rauntíma myndbandi inni í kæli til bíla sem greina truflun ökumanna.
Í læknisfræðilegu umhverfi eru greindar tæki nauðsynleg til að fylgjast með sjúklingum á gjörgæsludeild og víðar.Notkun gervigreindar til að auka getu til að bera kennsl á rýrnun ástandsins, svo sem sem gefur til kynna að blóðsýking sé að þróa, eða skynjun fylgikvilla getur bætt niðurstöður verulega og getur dregið úr meðferðarkostnaði.
„Þegar við tölum um að samþætta mismunandi gögn um heilbrigðiskerfið verðum við að samþætta og gera lækna á gjörgæsludeild á gjörgæslu um að grípa inn í eins snemma og mögulegt er og að samsöfnun þessara gagna er ekki gott sem læknar geta gert,“ sagði Mark Michalski , framkvæmdastjóri klínískra gagnavísindamiðstöðvar við BWH.Að setja snjall reiknirit í þessi tæki dregur úr vitsmunalegum álagi á lækna og tryggir að sjúklingar séu meðhöndlaðir eins tafarlaust og mögulegt er."
8. Með því að beita ónæmismeðferð við krabbameinsmeðferð
Ónæmismeðferð er ein efnilegasta leiðin til að meðhöndla krabbamein.Með því að nota eigin ónæmiskerfi líkamans til að ráðast á illkynja æxli geta sjúklingar verið færir um að vinna bug á þrjósku æxlum.Hins vegar svara aðeins fáir sjúklingar núverandi ónæmismeðferð og krabbameinslæknar hafa enn ekki nákvæma og áreiðanlega aðferð til að ákvarða hvaða sjúklingar munu njóta góðs af meðferðinni.
Vélarnámsreiknirit og geta þeirra til að mynda mjög flókin gagnasett geta verið fær um að skýra frá sér einstaka genasamsetningu einstaklinga og bjóða upp á nýja möguleika á markvissri meðferð.
„Undanfarið hefur mest spennandi þróunin verið eftirlitsstöðvum, sem hindra prótein sem framleidd eru af ákveðnum ónæmisfrumum,“ útskýrir Dr. Long LE, forstöðumaður reiknilækninga og tækniþróunar við Massachusetts General Hospital (MGH) alhliða greiningarmiðstöðina.En við skiljum samt ekki öll vandamálin, sem er mjög flókið.Okkur vantar örugglega fleiri sjúklingagögn.Þessar meðferðir eru tiltölulega nýjar, svo ekki margir sjúklingar taka þær í raun.Þess vegna, hvort sem við þurfum að samþætta gögn innan stofnunar eða milli margra stofnana, mun það vera lykilatriði í því að fjölga sjúklingum til að knýja fram líkanaferlið."
9. Snúðu rafrænum sjúkraskrám í áreiðanlegar áhættuspár
Rafræn heilsufar (hana) er fjársjóður af gögnum sjúklinga, en það er stöðug áskorun fyrir veitendur og verktaki að vinna úr og greina mikið magn af upplýsingum á nákvæman, tímabæran og áreiðanlegan hátt.
Gæði gæða og heiðarleika vandamál, ásamt rugli gagnasniðs, skipulögð og ómótað inntak og ófullkomnar skrár, gera það erfitt fyrir fólk að skilja nákvæmlega hvernig eigi að framkvæma þýðingarmikla lagskiptingu, forspárgreiningu og klínískan ákvörðun stuðning.
Dr. Ziad Obermeyer, lektor í bráðalækningum við Brigham Women's Hospital (BWH) og lektor við Harvard Medical School (HMS), sagði: „Það er nokkur erfið vinna að gera til að samþætta gögn á einum stað. En annað vandamál er að skilja Það sem fólk fær þegar það spáir sjúkdómi í rafrænu heilsufarsskránni (henni). Fólk heyrir kannski að gervigreind reiknirit geti spáð fyrir um þunglyndi eða heilablóðfall, en finnur að þeir spá í raun að spá Stroke sjálft. “
Hann hélt áfram, "Að treysta á niðurstöður Hafrannsóknastofnunar virðist veita nákvæmari gagnasett. En nú verðum við að hugsa um hverjir hafa efni á Hafrannsóknastofnuninni? Svo loka spá er ekki væntanleg niðurstaða."
NMR greining hefur framleitt mörg árangursrík áhættustig og lagskiptingartæki, sérstaklega þegar vísindamenn nota djúpa námstækni til að bera kennsl á ný tengsl milli að því er virðist ótengd gagnasöfnum.
Hins vegar telur Obermeyer að að tryggja að þessi reiknirit skilgreini ekki hlutdrægni sem falin er í gögnum skiptir sköpum fyrir að beita verkfærum sem geta sannarlega bætt klíníska umönnun.
„Stærsta áskorunin er að tryggja að við vitum nákvæmlega hvað við spáðum áður en við byrjum að opna svarta kassann og skoða hvernig á að spá,“ sagði hann
10. Stefnun heilsufars með áþreifanlegum tækjum og persónulegum tækjum
Næstum allir neytendur geta nú notað skynjara til að safna gögnum um heilsufarsgildi.Allt frá snjallsímum með þrepum rekja spor einhvers til áþreifanlegra tækja sem rekja hjartsláttartíðni allan daginn er hægt að búa til fleiri og fleiri heilsutengd gögn hvenær sem er.
Að safna og greina þessi gögn og bæta við upplýsingar sem sjúklingar veita í gegnum forrit og önnur eftirlitstæki heima getur veitt einstakt sjónarhorn fyrir heilsu einstaklinga og mannfjölda.
AI mun gegna mikilvægu hlutverki við að vinna úr aðgerðum frá þessum stóra og fjölbreytta gagnagrunni.
En Dr. Omar Arnout, taugaskurðlæknir á Brigham kvennasjúkrahúsinu (BWH), framkvæmdastjóri Center for Computational Neuroscience Niðurstöður, sagði að það gæti tekið viðbótarvinnu til að hjálpa sjúklingum að laga sig að þessum nánustu, áframhaldandi eftirlitsgögnum.
„Við vorum áður frjáls til að vinna úr stafrænum gögnum,“ sagði hann.En þegar gögn leka eiga sér stað hjá Cambridge Analytics og Facebook, mun fólk vera meira og meira varkár um hverjir eiga að deila hvaða gögnum þeir deila."
Sjúklingar hafa tilhneigingu til að treysta læknum sínum meira en stór fyrirtæki eins og Facebook, bætti hann við, sem gæti hjálpað til við að létta óþægindin við að veita gögn fyrir stórfellda rannsóknaráætlanir.
„Líklegt er að þreytanleg gögn hafi veruleg áhrif vegna þess að athygli fólks er mjög fyrir slysni og gögnin sem safnað er mjög gróft,“ sagði Arnout.Með því að safna stöðugt korngögnum er líklegra að gögn hjálpa læknum að sjá um sjúklinga betur."
11. Gerðu snjallsíma öflugt greiningartæki
Sérfræðingar telja að myndir sem fengnar eru úr snjallsímum og öðrum auðlindum neytendastigsins verði mikilvæg viðbót við klínískar gæðamyndir, sérstaklega á undirskildum svæðum eða þróunarlöndum, með því að halda áfram að nota öflug aðgerðir flytjanlegra tækja.
Gæði farsíma myndavélar eru að batna á hverju ári og það getur búið til myndir sem hægt er að nota við AI reiknirit greiningu.Húðsjúkdómur og augnlækningar eru snemma styrkþegar þessarar þróun.
Breskir vísindamenn hafa jafnvel þróað tæki til að bera kennsl á þroskasjúkdóma með því að greina myndir af andliti barna.Reikniritið getur greint stakan eiginleika, svo sem mandible línu barna, stöðu augu og nef og aðra eiginleika sem geta bent til fráviks í andliti.Sem stendur getur tólið passað við algengar myndir við meira en 90 sjúkdóma til að veita klínískan stuðning.
Dr Hadi Shafiee, forstöðumaður Micro / Nano Medicine and Digital Health Laboratory á Brigham Women's Hospital (BWH), sagði: „Flestir eru búnir með öflugum farsímum með mörgum mismunandi skynjara innbyggðum. Það er frábært tækifæri fyrir okkur. Næstum allir Iðnaðarmenn eru farnir að smíða AI hugbúnað og vélbúnað í tækjum sínum. Það er ekki tilviljun. Í stafræna heimi okkar eru meira en 2,5 milljónir terabytes af gögnum búnar til á hverjum degi. Á sviði farsíma telja framleiðendur að þeir geti notað þetta Gögn fyrir gervigreind til að veita persónulegri, hraðari og greindari þjónustu. “
Með því að nota snjallsíma til að safna myndum af augum sjúklinga, húðskemmdum, sárum, sýkingum, lyfjum eða öðrum einstaklingum getur hjálpað til við að takast á við skort á sérfræðingum á undirskulduðum svæðum, en jafnframt dregið úr tíma til að greina ákveðnar kvartanir.
„Það geta verið einhverjir helstu atburðir í framtíðinni og við getum nýtt okkur þetta tækifæri til að leysa nokkur mikilvæg vandamál við stjórnun sjúkdóms á umönnunarstað,“ sagði Shafiee
12. Að setja klíníska ákvarðanatöku með AI við náttborðið
Þegar heilbrigðisiðnaðurinn snýr að gjaldsþjónustu er hann sífellt frá óvirkri heilsugæslu.Forvarnir fyrir langvinnan sjúkdóm, bráða atburði í sjúkdómum og skyndilegri versnun er markmið hvers veitanda og bótauppbyggingin gerir þeim að lokum kleift að þróa ferla sem geta náð virkum og forspá íhlutum.
Gervigreind mun veita marga grunntækni fyrir þessa þróun með því að styðja við forspárgreiningar og stuðningstæki fyrir klíníska ákvarðanir, til að leysa vandamál áður en veitendur gera sér grein fyrir nauðsyn þess að grípa til aðgerða.Gervigreind getur veitt snemma viðvörun vegna flogaveiki eða blóðsýkingar, sem venjulega krefst ítarlegrar greiningar á mjög flóknum gagnasöfnum.
Brandon Westover, læknir, forstöðumaður klínískra gagna við General Hospital Massachusetts (MGH), sagði að vélanám gæti einnig hjálpað til við að styðja við áframhaldandi umönnun sjúklinga sem eru alvarlega veikir, svo sem í dái eftir hjartastopp.
Hann útskýrði að undir venjulegum kringumstæðum yrðu læknar að athuga EEG gögn þessara sjúklinga.Þetta ferli er tímafrekt og huglægt og niðurstöðurnar geta verið mismunandi eftir færni og reynslu lækna.
Hann sagði „Hjá þessum sjúklingum gæti þróunin verið hæg.Stundum þegar læknar vilja sjá hvort einhver er að jafna sig geta þeir skoðað gögn sem fylgst er með einu sinni á 10 sekúndna fresti.Hins vegar, til að sjá hvort það hefur breyst úr 10 sekúndna gögnum sem safnað er á sólarhring er eins og að skoða hvort hárið hafi vaxið á meðan.Hins vegar, ef gervigreind reiknirit og mikið magn gagna frá mörgum sjúklingum er notað, verður auðveldara að passa það sem fólk sér við langtímamynstur og nokkrar lúmskar endurbætur geta fundist, sem mun hafa áhrif á ákvarðanatöku lækna í hjúkrun ."
Notkun gervigreindartækni til að styðja við klíníska ákvörðunar, áhættustig og snemma viðvörun er eitt efnilegasta þróunarsvið þessarar byltingarkenndu gagnagreiningaraðferðar.
Með því að veita kraft fyrir nýja kynslóð verkfæra og kerfa geta læknar skilið betur blæbrigði veikinda, veitt hjúkrunarþjónustu á skilvirkari hátt og leyst vandamál fyrirfram.Gervigreind mun hefja nýtt tímabil til að bæta gæði klínískrar meðferðar og gera spennandi bylting í umönnun sjúklinga.
Pósttími: 06-06-2021
